Yapay Zekâ Nedir? Hangi Alanlarda Kullanılır?

Kendisini bir türlü vurmanıza izin vermeyen ve fırsat bulduğu an sütre gerisine çekilip tam da bulunduğunuz yere isabetli el bombaları atabilen düşman askerlerini ya da sizi ortadan kaldırmaya ant içmişcesine birbirleriyle gayet akıllıca iş birliği yapıp yine sizi beklemediğiniz anlarda pusuya düşürebilen Replica Soldiers’ı hatırlıyor musunuz?

Call of Duty 2 ve F.E.A.R. oyunlarının alametifarikaları arasında yer alan bu sahnelerden özellikle bahsettik ve filmi, bilinçli olarak geriye, 2005 yılına kadar sardık. Çünkü bugün haberlerden reklamlara, arkadaş sohbetlerinden kısır günlerine dek her yerde konuşulan yapay zekâ, biz oyuncular için hiç de yeni bir kavram değil. Temel davranışları taklit eden rakip veya düşmanların, Half-Life ve ilk Unreal oyunuyla bizi şaşırtmaya başlaması, yapay zeka sayesinde olmuştu. Ancak oyunlardan tanıdık olduğumuz yapay zekâ, artık günlük yaşantımızın vazgeçilmez bir parçası hâline gelmiş durumda. Hatta kimi çevreler, yapay zekânın, bir gün insanların işini elinden alacağından ya da Terminator 2: Judgment Day filmindeki “Skynet” gibi insanlığa karşı bir tehdide dönüşüp çeşitli şekillerde insanlığın sonunu getireceğinden bile bahsediyor. Komplo teorilerinin ucu bucağı elbette yok ama şu bir gerçek ki, 2022’nin sonlarından itibaren hayatımızın merkezine yerleşmeye başlayan yapay zeka, daha fazla tanınmayı ve teknik yönden bilinmeyi hak ediyor. O hâlde gelin, yapay zekânın ne olduğundan başlayarak bu kavrama kapsamlı bir şekilde bakalım.

Geleceği Şekillendirecek Olan Bugünün Teknolojisi: Yapay Zekâ

İngilizce “Artificial Intelligence” ifadesinin kısaltması olan “AI” şeklinde de kullanılan yapay zekâ, genel olarak bilgisayarların ve makinelerin, insan gibi düşünmesini, öğrenmesini, problem çözmesini mümkün kılan bir teknolojidir. Bilgisayarların, büyük verileri analiz ederek öğrenmesine dayanan bu teknoloji, küçük bir çocuğun yeni bir şeyler öğrenmesi gibi çalışır. Örneğin bir çocuk, evinin penceresine konan bir kuşun genel özelliklerini kolayca anlayabilir ve daha sonra evinin penceresine konacak başka kuşların yine kuş olduğunu, önceki bilgilerinden hareketle anlayabilir. İşte yapay zekâ da benzer şekilde kendisine sunulan verileri kullanarak bilgileri aşama aşama öğrenir ve gerekli olduğu noktada kararlar alır ve uygular. Tüm bu süreç, yapay zekanın sürekli gelişmesini ve daha akıllı hâle gelmesine katkıda bulunur.

Benzetmelerle başladığımız yapay zekâ anlatımına küçük teknik detaylar vererek devam edelim. Yapay zekânın merkezinde, makine öğrenimi (machine learning) ve derin öğrenme (deep learning) gibi kavramlar bulunur. Makine öğrenimi, algoritmaların, veri setlerinden öğrenim gerçekleştirmesini ve çeşitli tahminler yapmasını mümkün kılar. Örneğin, e-posta servisleri, makine öğrenimini kullanarak spam mesajları kolayca ayırt edebilir. Derin öğrenme ise insan beynindeki nöronların çalışma şeklini taklit eden yapay sinir ağları üzerine kuruludur. Bu, yapay zekânın görsel ve sesli verileri işleyerek insan yüzlerini tanıma ya da konuşma tanıma gibi karmaşık görevleri yerine getirmesine imkân tanır. Yapay zeka, bu teknikler sayesinde veri analizi, örüntü tanıma ve karar verme gibi alanlarda insan zekâsını başarılı şekilde taklit edebilir ve hatta bazen onu geçebilir.

“Makineler Düşünebilir mi?” Sorusu, Yapay Zekânın Fitilini Ateşledi

İçeriği bakımından herkesi tatmin etmese de geniş kitlelerin, Alan Turing adını duymalarını sağlayan The Imitation Game adlı filmin de gösterdiği üzere, bugünün bilgisayarlarının atası üzerinde çalışmalar gerçekleştiren Turing, yapay zekâ üzerine beyin fırtınası yapan da ilk isimdir. Alan Turing, modern bilgisayar biliminin babası olarak kabul edilir ve onun meşhur “Makineler düşünebilir mi?” sorusu, yapay zekâ alanının temel taşlarından biri hâline gelmiştir. Turing Testi (The Turing Test adlı bir de video oyunu var) olarak bilinen düşünce deneyi, bir makinenin, insan seviyesinde zekâ sergileyip sergileyemediğini belirlemek için bir kriter olarak önerilmişti. Bu test, makinenin, insanlarla yapılan bir konuşma sırasında kendisini insan gibi gösterebilmesi üzerine kuruludur.

Yapay zekânın temelini oluşturan unsurlardan makine öğrenimi, 1950’li yıllarda, basit örüntü tanıma ve doğrusal regresyon, yani iki veya daha fazla nicel değişken arasındaki ilişkiyi ölçmek için kullanılan metot modelleriyle başladı. Bu yıllarda, doğal olarak basit algoritmalar ve sınırlı veri setleri kullanılabiliyordu. 1980’ler ve 1990’lar, karar ağaçları, rastgele ormanlar ve destek vektör makineleri gibi yeni algoritmaların geliştirilmesi, makine öğreniminin altın çağını yaşamasını sağladı. Makine öğrenimine nazaran daha genç bir teknoloji olan derin öğrenme ise 2000’lerin başlarında, çok katmanlı yapay sinir ağlarının popülerleşmesiyle öne çıktı. 2012’de AlexNet’in ImageNet yarışmasında gösterdiği başarı, derin öğrenme modellerinin potansiyelini tüm dünyaya gösterdi. LSTM (Long short-term memory/Uzun kısa süreli bellek) ve GRU (Gated recurrent units/Geçitli tekrarlayan birimler) gibi sinir ağları, zaman serisi verileri ve doğal dil işleme için geliştirildi.

Bugüne geldiğimizde ise makine öğrenimi ve derin öğrenme, büyük veri setleri ve karmaşık problemler üzerinde çalışmak için kullanılıyor. GAN’lar (Generative Adversarial Networks/ Üretken Rekabet Ağları) ve reinforcement learning/takviyeli öğrenme, oyun teorisi ve robotikte önemli ilerlemeler sağlıyor. Alan Turing’in başlattığı bu sıra dışı yolculuk, makine öğrenimi ve derin öğrenmenin sürekli gelişen ve yenilikçi bir alan olmasını sağlıyor. Bu teknolojiler, teknik bir başarının yanında mühendislik, etik ve toplumsal etkileşimler açısından da sürekli devinim hâlindeki alanlar olmasıyla dikkat çekiyor.

Yapay Zekâ Günlük Yaşantımızın Her Noktasında

Modern yaşamın hemen her yönünde varlığını hissettiren, kimi zamanlarsa yokluğu gerçekten hissedilen yapay zekâ, iş yaşantısından sağlık sektörüne dek pek çok noktada kullanılmaktadır. Maddeler hâlinde anlatacak olursak:

• Akıllı Asistanlar: Android ve iOS gibi işletim sistemlerine entegre durumdaki akıllı asistanlar, arka planda bir yapay zekânın yönlendirmesiyle hareket eder. Google Asistan, Siri gibi asistanlar yardımıyla cihazlara sesli komutlar verilebilir, ev otomasyonu sağlanabilir, müzik çalınabilir ve hava durumu gibi sürekli değişen bilgiler, pratik şekilde öğrenilebilir.
• İş Süreçleri: CRM (Customer Relationship Management/Müşteri İlişkileri Yönetimi) ve ERP (Enterprise Resource Planning/Kurumsal Kaynak Planlaması) sistemleri, müşteri ve operasyonel verileri analiz ederek iş süreçlerini iyileştirir.
• Eğitim Teknolojileri: Tamamen kişiselleştirilmiş öğrenme platformları, öğrencilerin performansını analiz ederek bireysel öğrenme yolları sunar.
• Sağlık Sektörü: Teşhis ve tedavi sürecinde devreye girebilen yapay zekâ teknolojileri; görüntüleme araçlarının radyolojik taramalarını analiz ederek teşhis süreçlerini hızlandırır. Kişiselleştirilmiş tıp, genetik bilgileri kullanarak hastalara özel tedavi planları oluşturur.
• Eğlence ve Oyun Sektörü: Spotify, Netflix, Apple Music gibi dijital akış platformları, kullanıcı tercihlerini analiz ederek kişiye özel içerik önerileri sağlar. Yazının en başında belirttiğimiz oyun içi karakterler, gelişmiş yapay zekâ teknolojileri sayesinde daha gerçekçi ve etkileşimli hâle gelir.

Konu, oyunlara gelmişken, NVIDIA’nın GeForce RTX serisi ekran kartlarındaki yapay zekâ ve derin öğrenme teknolojilerine değinmemek olmaz.

NVIDIA GeForce RTX serisi ekran kartları, yapay zeka ve derin öğrenme alanında çığır açan yenilikler sunmaktadır. Bu ekran kartları, bilhassa tensör çekirdekleri (tensor cores) sayesinde yapay zekâ destekli görselleştirme ve işleme kapasitesine sahiptir. Konunun detaylarına hızlıca bakmak yerinde olabilir:

• Tensör Çekirdekleri: Tensör çekirdekleri, derin öğrenme modellerinin eğitilmesi ve çalıştırılması için özel olarak tasarlanmıştır. Bu çekirdekler, büyük matris işlemlerini hızlı ve verimli bir şekilde gerçekleştirebilir ve yapay zekâ tabanlı uygulamalar için önemli bir performans artışı sağlar.
• Ray Tracing/Işın İzleme ve Yapay Zekâ: Ray tracing, ışığın ve gölgelerin gerçekçi bir şekilde simüle edilmesini sağlayarak oyunlarda ve görsel içeriklerde, yüksek gerçekçilik oluşturur. Yapay zekâ destekli ray tracing, bu süreci daha verimli hâle getirir ve daha gerçekçi görseller, daha düşük işlem yüküyle elde edilir.
• DLSS (Deep Learning Super Sampling/Derin Öğrenme Tabanlı Süper Örnekleme): NVIDIA’nın DLSS teknolojisi, yapay zekâ kullanarak daha düşük çözünürlükteki görüntüleri yüksek çözünürlüğe çıkarır. Bu sayede ekran kartına fazla yük binmeden çok daha keskin ve etkileyici görsellerle, normalden çok daha yüksek kare/saniye oranlarında oyun deneyimi yaşanabilir.

Eğer siz de NVIDIA’nın GeForce RTX serisi ekran kartlarının güçlendirdiği, “canavar” gibi bilgisayarlarla güncel oyunları oynamak istiyorsanız, Monster Notebook imzalı; Abra, Tulpar ve Semruk oyun bilgisayarı modelleri, tam size göre!